บทความโดย คริสติน โมเยอร์ รองประธานฝ่ายวิจัยการ์ทเนอร์

การนำ ChatGPT มาใช้อย่างรวดเร็วได้ยกระดับผลกระทบเชิงลบด้านสิ่งแวดล้อมในหลายมิติ จากที่ Generative AI เป็นเทคโนโลยีใหม่ที่กำลังได้รับความนิยม ได้กลายเป็นความกังวลขององค์กรทันที เมื่อยูสเคสที่เหมือนจะดูดีและถูกขับเคลื่อนโดยเทคโนโลยีเกิดใหม่นี้กลับสร้างผลเสียมากกว่าผลดีในแง่ของการปล่อยก๊าซเรือนกระจก (GHG) และปริมาณการใช้ไฟฟ้าและน้ำ

อย่างไรก็ตามหากใช้อย่างถูกวิธีและอยู่ภายใต้การควบคุมดูแลของมนุษย์ Generative AI ยังสามารถเร่งให้เกิดความยั่งยืนเชิงบวกพร้อมสร้างผลลัพธ์ทางการเงินได้ โดยเทคโนโลยีนี้อาจช่วยให้บริษัทลดความเสี่ยงด้านความยั่งยืน ปรับต้นทุนให้เหมาะสม และขับเคลื่อนการเติบโตได้

เพื่อสร้างสมดุลระหว่างอันตรายและประโยชน์ของเทคโนโลยีนี้ องค์กรจำเป็นต้องดำเนินการ 2 ประการ ประการแรก คือ สร้างการรับรู้และลดการปล่อยพลังงานของ Generative AI เพื่อให้มันเป็นมิตรต่อสิ่งแวดล้อมมากขึ้น จากนั้นระบุ ประเมินและจัดลำดับความสำคัญยูสเคสที่เกี่ยวกับความยั่งยืนด้านสิ่งแวดล้อม

ตระหนักถึงปัญหาด้านการบริโภคพลังงานของ Generative AI

Generative AI นั้นพึ่งพาโมเดลภาษาขนาดใหญ่ที่ได้รับการเทรนจากข้อมูลมหาศาล ซึ่งต้องระบายความร้อนด้วยน้ำหล่อเย็นและใช้พลังงานไฟฟ้า หรืออาจใช้พลังงานทั้งสองจำนวนมหาศาล แม้ในระยะยาวการปล่อยก๊าซเรือนกระจกที่เกี่ยวข้องกับไฟฟ้าจะลดลงเมื่อมีการใช้แหล่งพลังงานหมุนเวียนมากขึ้น ซึ่งโมเดล Generative AI ที่ทรงพลังยิ่งขึ้นจะต้องการความสามารถในการประมวลผลมากขึ้นตามไปด้วย

ปัญหาเทคโนโลยีที่เกี่ยวข้องกับพลังงานไฟฟ้าและน้ำนั้นมีมากกว่าของ Generative AI การ์ทเนอร์คาดการณ์ว่า ภายในปี 2568 ผู้บริหาร 75% จะเผชิญกับข้อจำกัดของเทคโนโลยีที่เกี่ยวข้องกับพลังงานไฟฟ้า เนื่องจากความต้องการเทคโนโลยีและการแข่งขันกันทางด้านสังคมจะทวีความดุเดือดมากขึ้น ดังนั้นผู้บริหาร CIO จึงไม่ต้องการที่จะติดอยู่ในศึกการแย่งชิงทรัพยากรที่มีจำกัดกับชุมชนท้องถิ่น

มุ่งมั่นลดการปล่อยพลังงาน Generative AI

Generative AI จะต้องมีประสิทธิภาพการทำงานเทียบเท่ากับสมองมนุษย์ เพื่อให้เป็นมิตรกับสิ่งแวดล้อมมากขึ้น สาเหตุหนึ่งที่ทำให้สมองประหยัดพลังงานมากก็คือ สมองสามารถจัดระเบียบความรู้ในโครงสร้างเครือข่ายได้ โดยแนวทางที่ใกล้เคียงที่สุดคือ Composite AI คือการรวมโมเดล AI หลายแบบเข้าด้วยกันเพื่อให้ได้ประสิทธิภาพและความแม่นยำที่ดีขึ้น ซึ่งใช้โครงสร้างเครือข่ายและเทคนิคคล้ายกันเพื่อเสริมกำลังมหาศาลด้วยวิธีการเรียนรู้เชิงลึกในปัจจุบัน

Generative AI ยังบริโภคพลังงานไฟฟ้าและน้ำเป็นหลัก ดังนั้นการหยุดเทรน AI ในทันทีหรือการเก็บข้อมูลการเทรนโมเดล การนำโมเดลที่ได้รับการเทรนแล้วกลับมาใช้ใหม่ และการใช้ฮาร์ดแวร์และอุปกรณ์เครือข่ายที่ประหยัดพลังงานมากขึ้น จะสามารถสร้างสมดุลแนวทางปริมาณงานในดาต้าเซ็นเตอร์แบบ "ตามสถานการณ์และความเป็นจริง - Follow The Sun" ซึ่งดีกว่าสำหรับการผลิตพลังงานสะอาด กับการใช้แนวทาง "แยกเดินออกมา Unfollow The Sun" สำหรับประสิทธิภาพการใช้น้ำที่ดีกว่า

อีกวิธีหนึ่งในการทำให้ Generative AI มีความเป็นมิตรต่อสิ่งแวดล้อมมากขึ้น คือการใช้งานในสถานที่ที่ใช่ ในเวลาที่เหมาะสม โดยความเข้มข้นของคาร์บอนจากแหล่งพลังงานในท้องถิ่นจะแตกต่างกันไปตามปัจจัยหลายประการ แนวปฏิบัติที่ดีที่สุดคือการใช้การจัดตารางเวลางานที่คำนึงถึงพลังงาน ควบคู่ไปกับบริการการติดตามและการคาดการณ์คาร์บอนเพื่อลดการปล่อยก๊าซที่เกี่ยวข้อง

พร้อมตั้งเป้าซื้อแหล่งพลังงานสะอาดใหม่ตามที่วางแผนไว้สำหรับนำมาใช้ The Greenhouse Gas Protocol ที่กำลังกำหนดให้บริษัทต่าง ๆ จัดทำการวิเคราะห์พลังงานสะอาดอย่างละเอียดเพิ่มเติมตามแหล่งสถานที่ ช่วงเวลาของวัน หรือทั้งสองอย่าง

ระบุยูสเคสความยั่งยืนด้านสิ่งแวดล้อมที่มีศักยภาพ

มี 3 กรอบการดำเนินงานกว้าง ๆ ที่ยูสเคส Generative AI สามารถเร่งความยั่งยืนด้านสิ่งแวดล้อม ได้แก่ การลดความเสี่ยง การเพิ่มประสิทธิภาพต้นทุน และใช้ขับเคลื่อนการเติบโต

การปฏิบัติตามกฎระเบียบเป็นวิธีการนึงที่ Generative AI สามารถช่วยองค์กรลดความเสี่ยงด้านสิ่งแวดล้อมโดยการระบุและตีความตัวบทกฎหมาย มาตรฐาน คำสั่ง และข้อกำหนดการรายงานความยั่งยืน รวมถึงการอัปเดตอยู่ตลอดเวลา ที่สามารถพัฒนาแผนปฏิบัติการเพื่อให้บรรลุตามข้อกำหนดและเป็นเครื่องมือฝึกอบรมเพื่อให้ความรู้แก่พนักงานด้านกฎระเบียบเฉพาะ

จากมุมมองของการเพิ่มประสิทธิภาพต้นทุน Generative AI สามารถช่วยสนับสนุนการตัดสินใจได้ สามารถวิเคราะห์ข้อมูลความยั่งยืนภายใน และระบุรูปแบบ แนวโน้ม พื้นที่การปรับปรุง ความเป็นไปได้ ความเสี่ยง และเกณฑ์มาตรฐาน โดยสามารถให้ข้อมูลเชิงลึกว่าการตัดสินใจขององค์กรจะส่งผลต่อความยั่งยืนอย่างไร และคาดการณ์ประสิทธิภาพในอนาคตที่อาจเกิดขึ้น องค์กรสามารถวางแผนและเลือกแนวทางที่เหมาะสมที่สุดเพื่อบรรลุเป้าหมายการลดการปล่อยก๊าซเรือนกระจก

Generative AI ยังสามารถใช้ขับเคลื่อนการเติบโตที่ยั่งยืนโดยนำมาใช้เพื่อค้นหาแหล่งทรัพยากรและวัสดุทางเลือก สามารถให้คำแนะนำสิ่งทดแทนปัจจัยการผลิตแบบเดิมไปสู่ความยั่งยืน เช่น ข้อมูลเชิงลึกเกี่ยวกับนวัตกรรมทางเทคโนโลยีอย่างวัสดุนาโน และข้อมูลเกี่ยวกับความพร้อม ประสิทธิภาพ และผลกระทบต่อสิ่งแวดล้อม

เมื่อพิจารณายูสเคส Generative AI เพื่อเป้าหมายความยั่งยืน การประเมินผลกระทบเชิงบวกและเชิงลบเป็นสิ่งสำคัญ ผู้บริหารต้องเข้าใจมูลค่าธุรกิจเชิงบวกทั้งในแง่ของผลประโยชน์ทางการเงินและความยั่งยืน ตลอดจนความเป็นไปได้ และผลกระทบเชิงลบต่อสิ่งแวดล้อมด้วยการวัดจากการปล่อยก๊าซเรือนกระจก การใช้พลังงานไฟฟ้าและน้ำ

จากนั้นจัดลำดับความสำคัญการลงทุนเป็น 3 ระดับ ได้แก่ 1.ลงทุนทันที 2.ลงทุนเพื่อลดความเสี่ยงและลดการใช้พลังงานเป็นสำคัญ หรือ 3.ไม่ลงทุนเลย ด้วยวิธีการนี้ คุณจะใช้ Generative AI เร่งผลลัพธ์ด้านความยั่งยืนเชิงบวกขององค์กร โดยใช้ประโยชน์จากเคสการใช้งานที่สร้างมูลค่ามากกว่าทำลายเพียงอย่างเดียว

 การ์ทเนอร์คาดการณ์ยอดส่งมอบ AI PC และ GenAI Smartphone ทั่วโลกในปี 2567 รวมทั้งหมดประมาณ 295 ล้านเครื่อง เพิ่มขึ้นจาก 29 ล้านเครื่องในปี 2566

การ์ทเนอร์ให้นิยาม AI PC ว่าคือคอมพิวเตอร์ส่วนบุคคลที่ติดตั้งหน่วยประมวลผลที่เป็นตัวเร่งความเร็วหรือแกนประมวลผล AI ไว้โดยเฉพาะ ได้แก่ หน่วยประมวลผล Neural Processing Unit (NPU), หน่วยประมวลผล Accelerated Processing Unit (APU) หรือหน่วยประมวลด้าน AI เฉพาะ อย่าง Tensor Processing Units (TPU) ซึ่งออกแบบมาเพื่อเพิ่มประสิทธิภาพและเร่งการทำงานของปัญญาประดิษฐ์บนอุปกรณ์ เพื่อมอบประสิทธิภาพและประสิทธิผลที่ดีขึ้นในการจัดการปริมาณงานของ AI และ GenAI โดยไม่ต้องพึ่งพาเซิร์ฟเวอร์ภายนอกหรือบริการคลาวด์ต่าง ๆ

GenAI Smartphone ออกแบบมาพร้อมความสามารถด้านฮาร์ดแวร์และซอฟต์แวร์ที่ช่วยให้สามารถผสมผสานการทำงานได้อย่างราบรื่นและใช้งานฟีเจอร์รวมถึงแอปพลิเคชั่นที่ขับเคลื่อนด้วย GenAI บนสมาร์ทโฟนได้อย่างมีประสิทธิภาพ ซึ่งสมาร์ทโฟนในกลุ่มนี้สามารถใช้งานโมเดลพื้นฐานหรือโมเดล AI เวอร์ชั่นใหม่ ที่ได้รับการปรับแต่งให้เข้ากับท้องถิ่น สำหรับสร้างเนื้อหา กำหนดกลยุทธ์ แนวทางการออกแบบและวิธีการต่าง ๆ ตัวอย่างเช่น Gemini Nano จาก Google, ERNIE จาก Baidu และ GPT-4 ของ OpenAI

นายรันจิต อัตวัล ผู้อำนวยการฝ่ายวิจัยอาวุโสของการ์ทเนอร์ กล่าวว่า “การนำโปรเซสเซอร์ AI และความสามารถของ GenAI มาใช้อย่างรวดเร็วบนอุปกรณ์จะกลายเป็นข้อกำหนดมาตรฐานสำหรับผู้ขายเทคโนโลยีในท้ายที่สุด ก่อให้เกิดความท้าทายในการสร้างความแตกต่างจากคู่แข่ง และทำให้การสร้างจุดขายให้เป็นเอกลักษณ์ รวมถึงการเพิ่มรายได้ยากขึ้น”

การ์ทเนอร์คาดว่าภายในสิ้นปี 2567 ยอดจัดส่ง GenAI Smartphone จะอยู่ที่ประมาณ 240 ล้านเครื่อง ขณะที่ AI PC จะมียอดจัดส่งที่ 54.5 ล้านเครื่อง (ดูรูปที่ 1) คิดเป็นสัดส่วน 22% ของ Smartphone ในระดับพื้นฐานและพรีเมียม และ 22% ของ PC ทั้งหมดในปีนี้ ตามลำดับ

ภาพที่ 1. ส่วนแบ่งตลาด AI PC และ GenAI Smartphone ทั่วโลก ระหว่างปี 2566-2568

ที่มา: การ์ทเนอร์ (กุมภาพันธ์ 2567)

การรวม AI เข้ากับคอมพิวเตอร์ส่วนบุคคลหรือพีซีจะยังไม่ใช่ปัจจัยหนุนปริมาณการใช้จ่ายของผู้ใช้ทั่วไปเกินกว่าการคาดการณ์ด้านราคาที่คาดว่าจะเพิ่มขึ้น ผู้ซื้อในกลุ่มธุรกิจต้องการเหตุผลที่น่าสนใจหรือดึงดูดกว่านี้เพื่อลงทุน อย่างไรก็ตามผู้ให้บริการซอฟต์แวร์จะต้องใช้เวลาควบคุมประสิทธิภาพของ On-Device AI และแสดงให้เห็นประโยชน์ที่เพิ่มขึ้นอย่างชัดเจน

ตลาดพีซีกลับมาเติบโตอีกครั้งในไตรมาสสี่ของปีที่แล้ว หลังจากลดลงแปดไตรมาสติดต่อกัน การ์ทเนอร์คาดการณ์ยอดส่งมอบพีซีโดยรวมในปี 2567 อยู่ที่ 250.4 ล้านเครื่อง เพิ่มขึ้น 3.5% จากปี 2566 โดย On-Device AI จะทำให้กิจกรรมการตลาดของพีซีกลับมาคึกคักอีกครั้งตลอดทั้งปี 2567 และรักษาวงจรการเปลี่ยนเครื่องทดแทนตามที่คาดการณ์ไว้ในปัจจุบัน พร้อมกำจัดผลกระทบเชิงลบบางอย่างจากการดิสรัปของสิ่งแวดล้อมทางเศรษฐกิจสังคม

ตลาดสมาร์ทโฟนกลับมาเติบโตในปีนี้

เช่นเดียวกับ AI PC ที่ GenAI Smartphone จะไม่ช่วยกระตุ้นความต้องการสมาร์ทโฟนจนกว่าจะถึงปี 2570 “การเพิ่มประสิทธิภาพสมาร์ทโฟนรุ่นต่าง ๆ จะเพิ่มประสบการณ์การใช้งานปัจจุบันด้วยการผสมผสานกล้องและเสียงไว้ด้วยกัน ซึ่งผู้ใช้มีความคาดหวังกับความสามารถเหล่านี้ มากกว่าฟังก์ชันการทำงานที่แปลกใหม่ โดยผู้ใช้มีความคาดหวังแบบเดียวกันต่อการทำงานของ GenAI บนสมาร์ทโฟนของพวกเขา ซึ่งผู้บริโภคไม่

มีแนวโน้มที่จะจ่ายเงินเพิ่มสำหรับมือถือสมาร์ทโฟน GenAI เนื่องจากยังไม่มีแอปพลิเคชั่นแปลกใหม่ ที่ทำให้พวกเขาได้รับประสบการณ์เพิ่มมากขึ้น”

ปัจจัยเร่งการเปลี่ยนแปลงประสบการณ์ของผู้ใช้ขึ้นอยู่กับความก้าวหน้าของโมเดลดีปเลิร์นนิ่งภาษาขนาดใหญ่หรือ Large Language Model (LLM) ในเวอร์ชันที่เล็กกว่าและปรับแต่งมาเฉพาะสำหรับสมาร์ทโฟน โดยวิวัฒนาการนี้จะเปลี่ยนโฉมสมาร์ทโฟนให้กลายเป็นเพื่อนคู่คิดที่ใช้งานง่ายยิ่งขึ้น สามารถเข้าใจและตอบสนองต่อภาษาและภาพที่มนุษย์ใช้สื่อสาร ซึ่งยกระดับประสบการณ์ผู้ใช้ในภาพรวมไปอีกขั้น

ตลาดสมาร์ทโฟนบันทึกการเติบโตไตรมาสแรกไว้ในไตรมาส 4 ปีที่แล้ว หลังจากลดลงมาเก้าไตรมาสต่อเนื่อง โดยคาดว่าในปี 2567 ยอดส่งมอบสมาร์ทโฟนทั่วโลกจะเติบโตประมาณ 4.2% หรือคิดเป็นจำนวนประมาณ 1.2 พันล้านเครื่อง เมื่อเทียบเป็นรายปี “เราไม่ควรตีความการเติบโตของยอดขายสมาร์ทโฟนว่าเป็นการฟื้นตัวเต็มรูปแบบ มันจะชัดเจนกว่าหากมองว่ามันเป็นความคงที่ของตลาดในระดับที่ต่ำกว่า ซึ่งต่ำกว่าปี 2565 เกือบ 60 ล้านเครื่อง”

การ์ทเนอร์ ประกาศ 10 เทรนด์เทคโนโลยีเชิงกลยุทธ์ที่องค์กรต้องจับตาและศึกษาในปี 2567

บาร์ท วิลเลมเซ่น รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า “การรับมือกับความปั่นป่วนทางเทคโนโลยีและความไม่แน่นอนทางเศรษฐกิจและสังคมต้องอาศัยความกล้าที่จะมุ่งมั่นอย่างตรงไปตรงมาและเพิ่มความยืดหยุ่นในการตอบสนองอย่างเฉพาะเจาะจง ผู้นำไอทีอยู่ในสถานะที่ต่างจากผู้อื่นในการวางโรดแมปเชิงกลยุทธ์ โดยการลงทุนเทคโนโลยีจะช่วยให้ธุรกิจยังคงประสบความสำเร็จได้ ท่ามกลางความไม่แน่นอนและแรงกดดันเหล่านี้”

คริส ฮาวเวิร์ด รองประธานและหัวหน้าฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “ผู้นำไอทีและผู้บริหารในส่วนงานอื่น ๆ ต้องประเมินผลกระทบและประโยชน์จากเทรนด์เทคโนโลยีเชิงกลยุทธ์ แต่ไม่ใช่เรื่องง่ายเมื่อพิจารณาจากจำนวนนวัตกรรมทางเทคโนโลยีที่เพิ่มขึ้น ตัวอย่างเช่น Generative AI และ AI ประเภทอื่น ๆ ที่นำเสนอโอกาสและขับเคลื่อนเทรนด์ต่าง ๆ แต่การจะได้มาซึ่งคุณค่าทางธุรกิจจากการใช้ AI อย่างต่อเนื่องนั้น ต้องมีแนวทางที่เป็นขั้นเป็นตอนเพื่อการนำไปใช้ได้อย่างครอบคลุม ควบคู่กับการใส่ใจในความเสี่ยง”

10 เทรนด์เทคโนโลยีเชิงกลยุทธ์ในปี 2567 ได้แก่

Democratized Generative AI

Generative AI (หรือ GenAI) กำลังกลายเป็นเทคโนโลยีสาธารณะด้วยการผสานรวมรูปแบบจำลองที่ได้รับการฝึกฝนล่วงหน้าไว้จำนวนมาก เข้ากับการประมวลผลคลาวด์และระบบโอเพ่นซอร์ส ทำให้ผู้ใช้งานทั่วโลกสามารถเข้าถึงโมเดลเหล่านี้ได้ การ์ทเนอร์คาดว่าภายในปี 2569 องค์กรมากกว่า 80% จะใช้ GenAI API และโมเดลต่าง ๆ และ/หรือปรับใช้แอปพลิเคชันที่เปิดใช้งาน GenAI ในสภาพแวดล้อมการผลิต เพิ่มขึ้นจากช่วงต้นปี 2566 ที่น้อยกว่า 5%

แอปพลิเคชัน GenAI ต่าง ๆ ช่วยให้ผู้ใช้เข้าถึงแหล่งข้อมูลมากมายจากภายในและภายนอกองค์กรเพื่อใช้ในทางธุรกิจได้ ซี่งหมายความว่าการนำ GenAI มาใช้อย่างรวดเร็วจะทำให้เกิดองค์ความรู้และทักษะในองค์กรอย่างเสรีและมีนัยสำคัญ โดยโมเดลภาษาขนาดใหญ่ (LLM) จะช่วยให้องค์กรเชื่อมโยงพนักงานกับความรู้ในรูปแบบการสนทนาพร้อมเข้าใจความหมายที่หลากหลาย

AI Trust, Risk and Security Management การเข้าถึง AI แบบเสรีทำให้ต้องมีการกำหนดกลยุทธ์สำหรับจัดการด้านความน่าเชื่อถือ ความเสี่ยง และการรักษาความปลอดภัย (หรือ TRiSM) อย่างเร่งด่วนและชัดเจนมากยิ่งขึ้น หากไม่มีกลยุทธ์ที่ตีกรอบโมเดลการใช้ AI จะสร้างผลลบแบบทบต้นที่ควบคุมไม่ได้ บดบังประสิทธิภาพเชิงบวกและประโยชน์ที่สังคมควรได้รับจาก AI ทั้งนี้ AI TRiSM มอบเครื่องมือสำหรับ ModelOps, การป้องกันข้อมูลเชิงรุก, ความปลอดภัยเฉพาะของ AI, การมอนิเตอร์โมเดล (รวมถึงการตรวจสอบการเปลี่ยนแปลงของข้อมูล - Data Drift หรือของโมเดล - Model Drift และ/หรือผลลัพธ์โดยไม่ได้ตั้งใจ) และการควบคุมความเสี่ยงของการอินพุตและเอาต์พุตไปยังโมเดลและแอปพลิเคชันของผู้ให้บริการรายอื่น ๆ

การ์ทเนอร์คาดการณ์ว่า ภายในปี 2569 องค์กรที่ใช้การควบคุม AI TRiSM จะเพิ่มความแม่นยำในการตัดสินใจ โดยกำจัดข้อมูลผิดพลาดและผิดกฎหมายได้มากถึง 80%

AI-Augmented Development

การพัฒนาเสริมด้วย AI คือการใช้เทคโนโลยีปัญญาประดิษฐ์ เช่น GenAI และ Machine Learning เพื่อช่วยในการออกแบบ เขียนโค้ด และทดสอบแอปพลิเคชันให้กับวิศวกรซอฟต์แวร์ โดยการทำวิศวกรรมซอฟต์แวร์ที่ใช้ AI มาช่วย (AI-assisted Software Engineering) จะปรับปรุงประสิทธิภาพการทำงานของนักพัฒนา และช่วยให้ทีมพัฒนาตอบสนองความต้องการซอฟต์แวร์ที่เพิ่มขึ้นสำหรับการดำเนินธุรกิจ เครื่องมือที่พัฒนาขึ้นโดยใช้ AI (AI-Infused Development Tools) เหล่านี้ช่วยให้วิศวกรซอฟต์แวร์ใช้เวลาเขียนโค้ดน้อยลง จึงสามารถใช้เวลามากขึ้นกับงานเชิงกลยุทธ์มากขึ้นเช่นการออกแบบและจัดวางองค์ประกอบของแอปพลิเคชันทางธุรกิจที่น่าสนใจ

Intelligent Applications

การ์ทเนอร์ให้คำจำกัดความของแอปพลิเคชันอัจฉริยะที่มีความชาญฉลาด ว่าเป็นความสามารถในการเรียนรู้ปรับตัวให้ตอบสนองอัตโนมัติอย่างเหมาะสม โดยข้อมูลอัจฉริยะนี้สามารถนำไปใช้ในหลายเคสการใช้งานเพื่อเพิ่มหรือทำงานอัตโนมัติได้ดียิ่งขึ้น เนื่องจากความสามารถพื้นฐาน ความชาญฉลาดในแอปพลิเคชันประกอบด้วยบริการต่าง ๆ ที่ใช้ AI เช่น การเรียนรู้ของเครื่อง การเก็บเวกเตอร์และข้อมูลที่เชื่อมต่อ ด้วยเหตุนี้แอปพลิเคชันอัจฉริยะจึงมอบประสบการณ์ที่ปรับเข้ากับผู้ใช้แบบไดนามิก

ความต้องการใช้งานแอปพลิเคชันอัจฉริยะนั้นมีอยู่ โดย 26% ของผู้บริหารระดับซีอีโอ จากการสำรวจของการ์ทเนอร์ 2023 Gartner CEO and Senior Business Executive Survey ระบุว่าการขาดแคลนบุคลากรที่มีทักษะความสามารถเป็นความเสี่ยงที่สร้างความเสียหายมากที่สุดต่อองค์กร โดยการดึงดูดและรักษาผู้มีความสามารถเป็นสิ่งสำคัญอันดับแรกในด้านบุคลากรของผู้บริหาร ขณะที่ AI ได้รับเลือกให้เป็นเทคโนโลยีที่จะส่งผลกระทบอย่างมีนัยสำคัญต่ออุตสาหกรรมในช่วงสามปีข้างหน้า

Augmented-Connected Workforce

Augmented-Connected Workforce (ACWF) เป็นกลยุทธ์ในการเพิ่มมูลค่าที่ได้รับจากแรงงานมนุษย์ให้เกิดประโยชน์สูงสุด ความจำเป็นในการเร่งและขยายทีมบุคลากรที่มีทักษะและความสามารถกำลังขับเคลื่อนกระแส ACWF กลยุทธ์ ACWF ใช้แอปพลิเคชันอัจฉริยะและการวิเคราะห์ประสิทธิภาพของบุคลากรเพื่อสร้างบริบทและแนวทางการทำงานทุกวันเพื่อสนับสนุนประสบการณ์ ความเป็นอยู่ที่ดี และความสามารถในการพัฒนาทักษะของตนเองของทีมงาน ขณะเดียวกัน ACWF ยังใช้ขับเคลื่อนผลลัพธ์ทางธุรกิจและผลกระทบเชิงบวกต่อผู้มีส่วนได้ส่วนเสียหลัก

ในปี 2570 ผู้บริหารไอที (CIOs) 25% จะริเริ่มการเชื่อมโยงพนักงานให้ทำงานร่วมกันมากขึ้น (Augmented-Connected Workforce) เพื่อลดเวลาการทำงานในบทบาทสำคัญลง 50%

Continuous Threat Exposure Management

การจัดการความเสี่ยงต่อภัยคุกคามอย่างต่อเนื่อง (Continuous Threat Exposure Management หรือ CTEM) เป็นแนวทางเชิงปฏิบัติและเป็นระบบที่ช่วยให้องค์กรประเมินการเข้าถึง ความเสี่ยง และการใช้ประโยชน์จากสินทรัพย์ดิจิทัลและสินทรัพย์ที่จับต้องได้ขององค์กรได้อย่างต่อเนื่องและสม่ำเสมอ การจัดวางขอบเขตการประเมินและการแก้ไข CTEM ให้สอดคล้องกับวิธีการสร้างภัยคุกคามหรือโครงการทางธุรกิจ แทนที่จะเป็นส่วนประกอบในโครงสร้างพื้นฐาน ไม่เพียงแต่จะเผยให้เห็นช่องโหว่เท่านั้น แต่ยังรวมถึงภัยคุกคามที่ไม่สามารถแก้ไขได้ด้วย

ภายในปี 2569 การ์ทเนอร์คาดการณ์ว่าองค์กรที่จัดลำดับความสำคัญการลงทุนด้านความปลอดภัยตามโปรแกรม CTEM จะพบว่าการละเมิดลดลง 2 ใน 3

Machine Customers

ลูกค้าที่เป็นเครื่องจักร (Machine Customers หรือที่เรียกว่า 'คัสโตบอท') จะเป็นผู้มีบทบาททางเศรษฐกิจในแบบที่ไม่ใช่มนุษย์ มีความสามารถเจรจา ซื้อสินค้าและบริการเพื่อให้เกิดเป็นการชำระเงิน ภายในปี 2571 ผลิตภัณฑ์ที่เชื่อมต่อกัน 15 พันล้านชิ้นจะมีศักยภาพแสดงตนเป็นลูกค้าได้และจะมีผลิตภัณฑ์อื่น ๆ อีกนับพันล้านชิ้นตามมาในปีต่อไป โดยแนวโน้มการเติบโตนี้สร้างรายได้นับล้านล้านดอลลาร์สหรัฐฯ ภายในปี 2573 และในที่สุดจะมีความสำคัญมากกว่าเมื่อตอนเกิด Digital Commerce ทั้งนี้ผู้บริหารควรพิจารณากลยุทธ์รวมถึงโอกาสในการอำนวยความสะดวกให้กับอัลกอริธึมและอุปกรณ์เหล่านี้ หรือแม้แต่สร้างคัสโตบอทใหม่ ๆ

Sustainable Technology

เทคโนโลยีที่ยั่งยืน (Sustainable Technology) เป็นกรอบการทำงานของโซลูชันดิจิทัลที่ใช้เพื่อสร้างผลลัพธ์ด้านสิ่งแวดล้อม สังคม และธรรมาภิบาล (ESG) สนับสนุนสมดุลของระบบนิเวศและสิทธิมนุษยชนในระยะยาว ซึ่งการใช้เทคโนโลยี อย่าง AI, Cryptocurrency, Internet of Things และ Cloud Computing กำลังผลักดันให้เกิดข้อถกเถียงด้านการใช้พลังงานที่เกี่ยวข้องและส่งผลกระทบต่อสิ่งแวดล้อม ทำให้จำเป็นอย่างยิ่งที่จะต้องมั่นใจว่าการใช้ไอทีจะมีประสิทธิภาพ มีการหมุนเวียน และมีความยั่งยืนมากขึ้น การ์ทเนอร์คาดการณ์ว่า ภายในปี 2570 ผู้บริหารซีไอโอ 25% จะเห็นการเชื่อมโยงของค่าตอบแทนส่วนบุคคลกับผลกระทบทางเทคโนโลยีที่ยั่งยืน

Platform Engineering

วิศวกรรมแพลตฟอร์ม (Platform Engineering) เป็นหลักการสร้างและดำเนินการแพลตฟอร์มเพื่อการพัฒนาภายในด้วยตนเอง แต่ละแพลตฟอร์มเป็นชั้น ๆ ที่ถูกสร้างและดูแลโดยทีมงานผลิตภัณฑ์เฉพาะ โดยได้รับการออกแบบมาเพื่อรองรับความต้องการของผู้ใช้ผ่านการเชื่อมต่อเครื่องมือและกระบวนการต่าง ๆ ซึ่งเป้าหมายของ Platform Engineering คือการเพิ่มประสิทธิภาพการทำงาน เพิ่มประสบการณ์ผู้ใช้ และเร่งการส่งมอบมูลค่าทางธุรกิจ

Industry Cloud Platforms

ภายในปี 2570 การ์ทเนอร์คาดการณ์ว่าองค์กรมากกว่า 70% จะใช้แพลตฟอร์มคลาวด์อุตสาหกรรม (ICP) เพื่อเร่งโครงการใหม่ ๆ ทางธุรกิจของตน เพิ่มขึ้นจากน้อยกว่า 15% ในปี 2566 ICP จัดการกับผลลัพธ์ทางธุรกิจที่เกี่ยวข้องกับอุตสาหกรรมโดยการรวมบริการ SaaS, PaaS และ IaaS พื้นฐานเข้าด้วยกัน ไปสู่การนำเสนอผลิตภัณฑ์ทั้งหมดที่มีความสามารถในการประกอบเข้ากันได้ โดยทั่วไปจะรวมถึงโครงสร้างข้อมูลอุตสาหกรรม คลังความสามารถทางธุรกิจแบบแพ็คเกจ เครื่องมือจัดองค์ประกอบ และนวัตกรรมแพลตฟอร์มอื่น ๆ ICP ได้รับการปรับแต่งข้อเสนอระบบคลาวด์โดยเฉพาะสำหรับอุตสาหกรรมและสามารถปรับแต่งเพิ่มเติมให้ตรงกับความ

ปีที่แล้วและปีนี้ ตลาดแรงงานไอทีมีความเข้มข้นขึ้นอย่างเห็นได้ชัด ทำให้การสร้างแรงจูงใจและรักษาพนักงานที่มีทักษะความสามารถให้อยู่ทำงานต่อกับองค์กรเดิมเป็นเรื่องท้าทายอย่างมาก ซึ่งไม่ใช่เรื่องน่าแปลก เพราะจากการสำรวจตลาดแรงงานทั่วโลกของการ์ทเนอร์ล่าสุด (Gartner Global Labor Market Survey) เผยให้เห็นว่า “ค่าตอบแทน” ยังเป็นปัจจัยขับเคลื่อนสำคัญอันดับ 1 ที่จะสร้างแรงจูงใจและรักษาทีมงานไอทีระดับหัวกะทิให้อยู่กับองค์กร

การ์ทเนอร์ระบุถึงแนวโน้มเทคโนโลยีที่สำคัญซึ่งจะก่อให้เกิดความเปลี่ยนแปลงครั้งใหญ่ในอนาคต